Wow, danke für die Bereitstellung dieser hilfreichen Infos! Das war EXTREM hilfreich, gut und entspannt erklärt, gerade für Menschen wie mich, die sich sehr ungern mit Statistik und Analysen rumschlagen. Ganz großes Lob und riesiges Dankeschön dafür!! :)
Super Video! Eine Frage hätte ich zum Einbezug von Kovariaten in ein moderiertes Regressionsmodell - wie wird hier das Regressionsgewicht interpretiert? LG und vielen Dank im Voraus
Generell wird im Rahmen einer multiplen Regression ein Regressionsgewicht so interpretiert, dass der Effekt des Prädiktors auf das Kriterium unter Kontrolle (=Konstanthalten) aller anderen Prädiktoren zu verstehen ist. Dabei unterscheidet es sich nicht, ob die anderen Prädiktoren konzeptionell UV, Moderator, Interaktion oder Kovariate sind.
Für binäre UV und/oder binären MOD ist es kein Problem. Bei ordinalskalierten Variablen hingegen wird es umständlich - wenn man die ordinalskalierte Variable mit mehreren binären Variablen kodiert, dann geht es. Man bekommt dann aber auch entsprechend viele Interaktionen, was die Interpretation schwierig macht.
Hallo ich hätte mal eine Frage zu der Moderation: Wenn bei der Standardabweichung -1 oder +1 keine Signifikanz gegeben ist, muss dann die gesamte Hypothese verworfen werden? Obwohl beim Interaktionsterm und beim Gesamtmodel eine Signifikanz gegeben ist? LG Maria
Wenn bei der Moderation der Interaktionsterm signifikant wird, dann hat man eine Moderation und der Effekt unterscheidet sich folglich für verschiedene Ausprägungen des Moderators. Wenn jetzt bei den Simple Slopes (in PROCESS "Conditional effects of the focal predictor..") eine der Ausprägungen nicht signifikant wird, heißt dies nur, dass diese Moderation dazu führt, dass für einige Werte des Moderators kein signifikanter Effekt besteht - das ist ein völlig normales Phänomen und ändert nichts daran, dass eine Moderation vorliegt (dass sich also die Effekte in Abhängigkeit vom Moderator unterscheiden).
@Regorz Statistik, Ich habe zwei Fragen. 1. Wie ist es zu interpretieren, wenn mein Interaktionseffekt signifikant wird, aber das Delta R² nicht? Heißt das, dass ich einen Effekt nichtsignifikanter Größe habe (mein N ist sehr groß und der Effekt sehr klein)? 2. Frage: Ist der letzte Schritt einer hierarchischen multiplen linearen Regression das gleiche wie eine normale lineare Regression? Danke für deine top Videos!
1. Wenn man für einen Schritt nur eine Variable, nämlich die Interaktion einschließt *und* das gleiche Verfahren anwendet, dann müsste eigentlich der Interaktionseffekt den gleichen p-Wert haben wie das Delta-R² - und die F-Statistik für das Delta-R² müsste das Quadrat der t-Statistik für die Interaktion sein. (Ausnahmen insofern: Es werden in einem Schritt mehrere Prädiktoren eingeschlossen *oder* es kommen verschiedene Verfahren zum Einsatz - robuste Standardfehler, Bootstrapping, usw.) 2. Jeder Schritt einer hierarchischen multiplen linearen Regression ist wie eine normale lineare Regression - mit den jeweils bis zu diesem Schritt eingeschlossenen Prädiktoren, ja.
Vielen Dank! Eine Frage noch: Um von einer signifikanten Interaktion sprechen zu können, muss dafür im zweitn Modell nur der Interaktionsterm signifikant sein, oder auch die alleinige UV, deren theoretisch hergeleiteter kausaler Einfluss von der Ausprägung des Moderators abhängt?
Wenn man eine hierarchische moderierte Regression durchführt, dann sieht man an der signifikanten Interaktion, dass es eine Moderation gibt. Die Signifikanz der UV in diesem zweiten Schritt besagt lediglich, dass die UV einen signifikanten Effekt auf die AV hat, *wenn* der Moderator einen Wert von 0 aufweist (was der Hauptgrund ist, warum man bei der Moderation einen kontinuierlichen Moderator i.d.R. zentriert - weil dann ein Wert von 0 für den Moderator gut interpretierbar ist, nämlich ein durchschnittlicher Wert des Moderators).
Vielen Dank für die tolle Erklärung! Ich habe noch nicht ganz verstanden, wie ich vorgehe, wenn ich eine moderierende Variable habe, die sich auf mehrere unabhänigen Variablen in der multiplen Regressionsanalyse auswirkt. Bei PROCESS kann ich soweit ich weiß ja nur eine UV angeben oder? Müsste ich dann jede Beziehung einzelnd mit der Moderationsvariable prüfen? Vielen Dank im Voraus für die Antwort!
Wenn man mehrere UVs hat, deren Effekte von einem Moderator moderiert werden, dann würde ich die Moderation nicht mit PROCESS machen, sondern mit einer gewöhnlichen multiplen Regression. Dort ist es kein Problem, die UVs einzuschließen, den Moderator, und mehrere Interaktionen (UV1-MOD, UV2-MOD, usw.).
Sehr gutes Video, aber wieso ist bei der Regressionsgleichung der Fehlerterm enthalten? In jedem Lehrbuch steht etwas anderes und ich versteh das einfach nicht. Könnten Sie das kurz ausführen?
Das ist nur eine Frage der Sichtweise. Wenn man eine Moderation schätzt, geht man davon aus, dass y wie folgt mit X und MOD zusammenhängt: Y = b0 + b1 X + b2 MOD + b3 X MOD + e In Worten: Das (wahre) Y wird vorhergesagt von X, MOD und Interaktion. Aber es wird nicht perfekt vorhergesagt, es bleibt am Ende immer noch eine Abweichung zwischen vorhergesagtem y-Wert und tatsächlichem y-Wert. Und das ist der Fehlerterm bzw. das Residuum. Die tatsächliche Schätzgleichung ist dann: Y-Dach = b0 + b1 X + b2 MOD + b3 X MOD Das ist die Gleichung für die geschätzte Regressionsgerade, die man erhält. Aber diese läuft nie exakt durch die tatsächlichen Messwerte, es bleibt eine Abweichung zwischen vorhergesagtem Wert und tatsächlichem Wert, nähmlich den Fehlerterm bzw. das Residuum.
Vielen Dank für das Video - unglaublich hilfreich und gut erklärt! Eine Frage: Mein Modell besteht aus einer Kontrollvariable, einer Prädiktorvariable, einer Kriteriumsvariablen und zwei Moderatorvariablen, und ich möchte eine hierarchisch moderierte Regression rechnen, um den Haupteffekt (zwischen Prädiktorvariable und Kriteriumsvariablen) und den jeweiligen Interaktionseffekt von den Interaktionsterms zu berechnen. Kann ich die zwei Interaktionsterms in einem Schritt gleichzeitig einsetzen? Oder ist es ratsam, bei zwei Moderatorvariablen ggf. auch zwei getrennte Modelle zu rechnen? (Also ein Model mit Moderatorvariable A und ein Model mit Moderatorvariable B.)
Es ist beides möglich, aber es sind beides inhaltlich unterschiedliche Analysen. Wenn man ein gemeinsames Modell rechnet, dann prüft man partielle Moderationen, also Moderationseffekte unter Kontrolle des jeweils anderen Moderators (= moderiert Moderator A den Effekt, wenn man den Moderator B konstant hält? und umgekehrt )
Hallo Herr Regorz, ganz lieben Dank für ihre super hilfreichen Videos. Ich bin gerade dabei für meine BA den Intention Behavior Gap zu untersuchen und teste unterschiedliche Modertaionseffekte. 2 Fragen stellen sich mir gerade noch: Sollte ich zusätzlich zur Zentrierung noch eine zStandardisierung der Variablen vornehmen? Was wäre der Vorteil/ Nachteil? Ich würde die Analysen über PROCESS laufen lassen, aber in SPSS nachbilden, um die Voraussetzungen zu testen --> PROCESS nimmt keine hierarchische Regression an, oder? Auch nicht bei Einschluss einiger Kontrollvariablen Dann kann ich bei der Nachbildung auch darauf verzichten? Lieben Dank!
Ich würde nur zentrieren. Die eigentliche Moderationsanalyse in PROCESS ist nicht hierarchisch. Im Hintergrund wird jedoch wohl doch insofern hierarchisch gerechnet, also zunächst alle Variablen außer der Interaktion eingeschlossen werden und dann in einem zweiten Schritt zusätzlich auch noch die Interaktion: Denn nur dadurch dürfte es möglich sein, R2-Change und dessen Signifikanz zu ermitteln.
ich finde deine Videos schließen eine unglaubliche Lücke auf RUclips. Bitte mehr davon!!! Eine Frage: Aus welcher Literatur beziehst du dich? Welche Literatur kannst du zu Multivariaten Verfahren empfehlen?
Moderation und Mediation primär das Buch von Hayes: Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach (Second dition) Allgemein für multivariate Verfahren wüsste ich nichts aus eigener Erfahrung, das habe ich eher aus vielen Einzelquellen und nicht aus einem konkreten Buch gelernt.
Tolles Video! Danke! Eine Frage: kann man auch von einer Moderation sprechen, wenn in einem ersten Model der Einfluss der UV auf die AV nicht signifikant ist (ohne den Mod)? Aber dann eben in einem Model mit UV, Mod und UV*Mod zur Erklärung von AV die Interaktion signifikant ist? Danke und vG
Es kann eine Moderation vorliegen, auch wenn es keinen signifikanten Effekt von UV auf AV (ohne Betrachtung des Moderators) gibt. Einfaches Beispiel: Beim dichotomen Moderator Geschlecht gibt es z.B. für Männer einen sign. negativen Effekt von UV auf AV, bei Frauen einen sign. positiven. Dann kann der unmoderierte Effekt von UV auf AV durchaus nicht signifikant und sogar fast Null sein (weil die positiven Effekte der Frauen und negativen der Männer sich gegenseitig kompensieren), und trotzdem liegt eine Moderation vor.
Hallo Herr Regorz. Vielen Dank für das anschauliche Video! Haben Sie auch eine Beschreibung oder ein Video zur Herstellung einer Graphik mit den Simple Slopes ohne Process? Ich habe eine multiple Imputation vorgenommen und würde die signifikanten Moderatoren gerne noch graphisch darstellen - weiß aber nicht, wie genau das am besten geht. Können Sie mir da weiterhelfen? Viele Grüße!
Schade. Ich konnte bisher leider wenige Erklärungen dazu finden, und die, die ich gefunden habe, habe ich nicht verstanden :D Mein Betreuer ist leider kein Fan von Process und möchte es daher lieber "zu Fuß". Aber vielen Dank für Ihre rasche Antwort!
@@joanaseeger643 Ich würde es vermutlich so machen: 1. Die Punkte für die Simple Slopes mit Hilfe der Regressionsgleichung ausrechnen (also für UV und Mod alle Kombis aus - 1SD, M, + 1 SD einsetzen.) 2. Dann mit irgendwelchen Daten das PROCESS model 1 rechnen und mir den Syntaxcode für die Simple Slopes kopieren. 3. Jetzt die unter 1. selbst berechneten Werte in den Syntaxcode aus PROCESS eingeben, also die PROCESS Werte durch eigene ersetzen.
@@joanaseeger643 Das meinte ich nicht. Ich würde PROCESS mit irgendwelchen Daten aus dem Menü aufrufen. Wenn man das anfordert, erhält man als Teil des Output einen SPSS Syntax Code für Simple Slopes, den man dann wie oben beschrieben auf die eigenen Werte abändern könnte.
vielen Dank für das hilfreiche Video!:) Ich hätte noch eine etwas spezifischere Frage bezüglich der Berechnung der Simple-Slopes in R, gibt es hier eine Möglichkeit auch standardisierte Simple Slopes zu berechnen? Leider konnte ich hierzu nirgends Informationen finden und wäre sehr dankbar über einen Tipp.
Ist die Effekstärke das unstandardisierte b? Falls ja, wie wird es interpretiert? Gibt es da auch Abstufungen, ab wann der Effekt klein mittel oder groß ist? Mit freundlichen Grüßen Maria Bergmann
Als Effektstärke würde ich bei einer Moderation normalerweise das delta-R² berichten, also die zusätzlich aufgeklärte Varianz, wenn man bei einer hierarchisch moderierten Regression im letzten Schritt zusätzlich die Interaktion in das Regressionsmodell mit aufnimmt (nachdem man in einem vorherigen Schritt UV und Moderator bereits aufgenommen hatte). Wenn man mit PROCESS arbeitet, findet man diesen Wert bei "Test of highest order unconditional interaction": R2-chng.
@@RegorzStatistik Vielen lieben Dank für deine schnelle Antwort. Bei meinen Variablen handelt es sich um Likert Skalen (7stufig) Welche Werte müssen denn noch dringend berücksichtigt werden bei einer Moderation? LG
Delta-R² ist eine völlig andere Effektstärke als Cohen's d. Ich glaube im Döring&Bortz gibt es dazu Angaben, welche Werte als kleine, mittlere oder große Effekte zu interpretieren sind (habe das Buch aber nicht zur Hand).
Ich würde mich da an Journalartikeln aus deinem Fachgebiet orientieren, was die typischerweise bei einer signifikanten Moderationshypothese berichten. Ich würde vermutlich das Regressionsmodell als Tabelle berichten (inkl. des delta-R²) sowie bei einer signifikanten Interaktion die drei Simple Slopes im Text sowie eine Grafik der Simple Slopes.
Hallo, wie wäre denn der Moderator als einzelne Variable im Modell zu interpretieren? Also meine Regression besteht beispielweise aus dem Haupteffekt mit einer kategorialen UV und einer AV und dem Moderator. Der Haupteffekt mit der kategorialen UV auf die AV ist nicht signifikant, genauso wenig der Interaktionseffekt. Wie interpretiere ich hier also den Moderationsterm allein? Dieser würde sich ja dann einfach nur allgemein auf die gesamte Stichprobe beziehen und nicht nur auf die Kategorie der Haupt-UV oder?
Wenn der Interaktionseffekt *nicht* signifikant ist (und man also keine Moderation hat), dann würde ich den Effekt des vermuteten Moderators so interpretieren wie in einer üblichen multiplen Regression: Wie ändert sich die AV, wenn der vermutete Moderator sich um einen Einheit erhöht?
Thank you for your tutorial! Could you please help me with one question? I have a multi-categorical IV with 4 categories, a moderator with 3 (low, average, high) categories and continuous DV. Can I still use Process macro model 1 if I indicate that X and W are multicategorical? Thank you in advance for your help. I am sorry my German is bad but as I see it is very nice tutorial!
I think it is possible, but I would not do it. For a multicategorical IV and a multicategorical moderator I think it is more common to run a factorial ANOVA (outside of PROCESS).
Erstmal danke für das hilfreiche Video! Wie ist es zu bewerten, wenn ich eine hierarchische Regression in 3 Schritten durchführe. Zunächst wird lediglich die UV eingeschlossen, im zweiten Schritt noch der Moderator und im dritten Schritt noch der Interaktionsterm. Das Delta R2 vom zweiten Schritt ist dabei signifikant, vom dritten Schritt jedoch nicht. Auch der Interaktionsterm ist nicht signifikant.
Ich würde es so deuten, dass der vermutete Moderator zusätzliche Varianz der AV erklärt (signifikanter zweiter Schritt). Jedoch (nicht signifikanter dritter Schritt bzw. nicht signifikanter Interaktionsterm) wirkt er eben nicht als Moderator, sondern nur als zweiter Prädiktor für die AV. Man hat also zwei Prädiktoren, UV und "Moderator" (der hier empirisch eben kein Moderator ist).
Vielen Dank für das Video :) Wie geht man denn mit kategorialen Moderatoren um? Ich habe in meinen Daten bspw. drei Ausprägungen für Geschlecht (m/w/d) und bin unsicher, ob ich dann einfach den Interaktionseffekt wie bei einer dichotomen Geschlechtsvariable berechnen kann.
Bei einem kategorialen Moderator mit mehr als zwei Ausprägungen ändert sich die Analyse. Dann muss man den Moderator in Dummyvariablen transformieren (eine Dummyvariable weniger als Ausprägungen des Moderators) und es gibt dann mehrere Interaktionsvariablen (MOD-Dummy 1 x UV, MOD-Dummy 2 x UV). Im PROCESS Makro kann man das über eine Zusatzoption anfordern.
Lieben Dank für deine super Statistik-Videos! Ist es richtig, dass ich bei einer Moderation ohne signifikante Interaktion, in der Tabelle die Zeile darüber mit b, t und p, wenn diese signifikant ist, als gültigen Prädiktor-Kriterium Zusammenhang aufrechterhalten kann?
Wenn bei einer moderierten Regression die Interaktion nicht signifikant wird, dann kann man die Effekte für die anderen beiden Prädiktoren im Modell (UV, Moderator) ganz normal interpretieren, ja. (Falls das mit der Frage gemeint sein sollte).
Vielen Dank für das informative und anschaulich erklärte Video! Meine Frage: wenn ich die benötigte Stichprobengröße für die moderierte Regression mit g*power berechnen möchte, wie setze ich das um? Kann ich als Anzahl der Prediktoren einfach 3 eingeben (also UV, Moderator und Interaktionsterm?) Vielen Dank im Voraus Liebe Grüße:)
Wow, danke für die Bereitstellung dieser hilfreichen Infos! Das war EXTREM hilfreich, gut und entspannt erklärt, gerade für Menschen wie mich, die sich sehr ungern mit Statistik und Analysen rumschlagen. Ganz großes Lob und riesiges Dankeschön dafür!! :)
Vielen, vielen Dank! Wie sagt man so schön: "der Groschen ist gefallen"
Tolles Video, super auf den Punkt und mit guten Beispielen erklärt. :)
Top Video, dankeschön!
Super Video! Eine Frage hätte ich zum Einbezug von Kovariaten in ein moderiertes Regressionsmodell - wie wird hier das Regressionsgewicht interpretiert? LG und vielen Dank im Voraus
Generell wird im Rahmen einer multiplen Regression ein Regressionsgewicht so interpretiert, dass der Effekt des Prädiktors auf das Kriterium unter Kontrolle (=Konstanthalten) aller anderen Prädiktoren zu verstehen ist.
Dabei unterscheidet es sich nicht, ob die anderen Prädiktoren konzeptionell UV, Moderator, Interaktion oder Kovariate sind.
@@RegorzStatistik Vielen Dank für die schnelle Antwort, danke danke!
Kann eine Interaktionsanalyse/Moderationsanalyse auch für binäre oder rangskalierte Variablen durchgeführt werden? LG
Für binäre UV und/oder binären MOD ist es kein Problem.
Bei ordinalskalierten Variablen hingegen wird es umständlich - wenn man die ordinalskalierte Variable mit mehreren binären Variablen kodiert, dann geht es. Man bekommt dann aber auch entsprechend viele Interaktionen, was die Interpretation schwierig macht.
@@RegorzStatistik Und wenn die AV binär codiert ist?
Dann rechnet man eine binäre logistische Regression, auch dort kann man Moderationen testen (durch Einschluss von UV, MOD und Ineraktion).
Hallo ich hätte mal eine Frage zu der Moderation: Wenn bei der Standardabweichung -1 oder +1 keine Signifikanz gegeben ist, muss dann die gesamte Hypothese verworfen werden? Obwohl beim Interaktionsterm und beim Gesamtmodel eine Signifikanz gegeben ist? LG Maria
Wenn bei der Moderation der Interaktionsterm signifikant wird, dann hat man eine Moderation und der Effekt unterscheidet sich folglich für verschiedene Ausprägungen des Moderators.
Wenn jetzt bei den Simple Slopes (in PROCESS "Conditional effects of the focal predictor..") eine der Ausprägungen nicht signifikant wird, heißt dies nur, dass diese Moderation dazu führt, dass für einige Werte des Moderators kein signifikanter Effekt besteht - das ist ein völlig normales Phänomen und ändert nichts daran, dass eine Moderation vorliegt (dass sich also die Effekte in Abhängigkeit vom Moderator unterscheiden).
@Regorz Statistik,
Ich habe zwei Fragen. 1. Wie ist es zu interpretieren, wenn mein Interaktionseffekt signifikant wird, aber das Delta R² nicht? Heißt das, dass ich einen Effekt nichtsignifikanter Größe habe (mein N ist sehr groß und der Effekt sehr klein)?
2. Frage: Ist der letzte Schritt einer hierarchischen multiplen linearen Regression das gleiche wie eine normale lineare Regression?
Danke für deine top Videos!
1. Wenn man für einen Schritt nur eine Variable, nämlich die Interaktion einschließt *und* das gleiche Verfahren anwendet, dann müsste eigentlich der Interaktionseffekt den gleichen p-Wert haben wie das Delta-R² - und die F-Statistik für das Delta-R² müsste das Quadrat der t-Statistik für die Interaktion sein. (Ausnahmen insofern: Es werden in einem Schritt mehrere Prädiktoren eingeschlossen *oder* es kommen verschiedene Verfahren zum Einsatz - robuste Standardfehler, Bootstrapping, usw.)
2. Jeder Schritt einer hierarchischen multiplen linearen Regression ist wie eine normale lineare Regression - mit den jeweils bis zu diesem Schritt eingeschlossenen Prädiktoren, ja.
Vielen Dank! Eine Frage noch: Um von einer signifikanten Interaktion sprechen zu können, muss dafür im zweitn Modell nur der Interaktionsterm signifikant sein, oder auch die alleinige UV, deren theoretisch hergeleiteter kausaler Einfluss von der Ausprägung des Moderators abhängt?
Wenn man eine hierarchische moderierte Regression durchführt, dann sieht man an der signifikanten Interaktion, dass es eine Moderation gibt.
Die Signifikanz der UV in diesem zweiten Schritt besagt lediglich, dass die UV einen signifikanten Effekt auf die AV hat, *wenn* der Moderator einen Wert von 0 aufweist (was der Hauptgrund ist, warum man bei der Moderation einen kontinuierlichen Moderator i.d.R. zentriert - weil dann ein Wert von 0 für den Moderator gut interpretierbar ist, nämlich ein durchschnittlicher Wert des Moderators).
@@RegorzStatistik Super, vielen Dank für die schnelle Antwort, das ist einleuchtend!
Vielen Dank für die tolle Erklärung! Ich habe noch nicht ganz verstanden, wie ich vorgehe, wenn ich eine moderierende Variable habe, die sich auf mehrere unabhänigen Variablen in der multiplen Regressionsanalyse auswirkt. Bei PROCESS kann ich soweit ich weiß ja nur eine UV angeben oder? Müsste ich dann jede Beziehung einzelnd mit der Moderationsvariable prüfen? Vielen Dank im Voraus für die Antwort!
Wenn man mehrere UVs hat, deren Effekte von einem Moderator moderiert werden, dann würde ich die Moderation nicht mit PROCESS machen, sondern mit einer gewöhnlichen multiplen Regression. Dort ist es kein Problem, die UVs einzuschließen, den Moderator, und mehrere Interaktionen (UV1-MOD, UV2-MOD, usw.).
@@RegorzStatistik vielen herzlichen Dank für die schnelle Antwort!!😊 Das hat mir sehr weitergeholfen!
Sehr gutes Video, aber wieso ist bei der Regressionsgleichung der Fehlerterm enthalten? In jedem Lehrbuch steht etwas anderes und ich versteh das einfach nicht. Könnten Sie das kurz ausführen?
Das ist nur eine Frage der Sichtweise.
Wenn man eine Moderation schätzt, geht man davon aus, dass y wie folgt mit X und MOD zusammenhängt:
Y = b0 + b1 X + b2 MOD + b3 X MOD + e
In Worten: Das (wahre) Y wird vorhergesagt von X, MOD und Interaktion. Aber es wird nicht perfekt vorhergesagt, es bleibt am Ende immer noch eine Abweichung zwischen vorhergesagtem y-Wert und tatsächlichem y-Wert. Und das ist der Fehlerterm bzw. das Residuum.
Die tatsächliche Schätzgleichung ist dann:
Y-Dach = b0 + b1 X + b2 MOD + b3 X MOD
Das ist die Gleichung für die geschätzte Regressionsgerade, die man erhält. Aber diese läuft nie exakt durch die tatsächlichen Messwerte, es bleibt eine Abweichung zwischen vorhergesagtem Wert und tatsächlichem Wert, nähmlich den Fehlerterm bzw. das Residuum.
@@RegorzStatistik Vielen lieben Dank!! Sie haben mir sehr weitergeholfen :)
Vielen Dank für das Video - unglaublich hilfreich und gut erklärt! Eine Frage: Mein Modell besteht aus einer Kontrollvariable, einer Prädiktorvariable, einer Kriteriumsvariablen und zwei Moderatorvariablen, und ich möchte eine hierarchisch moderierte Regression rechnen, um den Haupteffekt (zwischen Prädiktorvariable und Kriteriumsvariablen) und den jeweiligen Interaktionseffekt von den Interaktionsterms zu berechnen. Kann ich die zwei Interaktionsterms in einem Schritt gleichzeitig einsetzen? Oder ist es ratsam, bei zwei Moderatorvariablen ggf. auch zwei getrennte Modelle zu rechnen? (Also ein Model mit Moderatorvariable A und ein Model mit Moderatorvariable B.)
Es ist beides möglich, aber es sind beides inhaltlich unterschiedliche Analysen. Wenn man ein gemeinsames Modell rechnet, dann prüft man partielle Moderationen, also Moderationseffekte unter Kontrolle des jeweils anderen Moderators (= moderiert Moderator A den Effekt, wenn man den Moderator B konstant hält? und umgekehrt )
Hallo Herr Regorz,
ganz lieben Dank für ihre super hilfreichen Videos.
Ich bin gerade dabei für meine BA den Intention Behavior Gap zu untersuchen und teste unterschiedliche Modertaionseffekte.
2 Fragen stellen sich mir gerade noch: Sollte ich zusätzlich zur Zentrierung noch eine zStandardisierung der Variablen vornehmen? Was wäre der Vorteil/ Nachteil?
Ich würde die Analysen über PROCESS laufen lassen, aber in SPSS nachbilden, um die Voraussetzungen zu testen --> PROCESS nimmt keine hierarchische Regression an, oder? Auch nicht bei Einschluss einiger Kontrollvariablen Dann kann ich bei der Nachbildung auch darauf verzichten?
Lieben Dank!
Ich würde nur zentrieren.
Die eigentliche Moderationsanalyse in PROCESS ist nicht hierarchisch. Im Hintergrund wird jedoch wohl doch insofern hierarchisch gerechnet, also zunächst alle Variablen außer der Interaktion eingeschlossen werden und dann in einem zweiten Schritt zusätzlich auch noch die Interaktion: Denn nur dadurch dürfte es möglich sein, R2-Change und dessen Signifikanz zu ermitteln.
Vielen lieben Dank für ihre schnelle Antwort@@RegorzStatistik
ich finde deine Videos schließen eine unglaubliche Lücke auf RUclips. Bitte mehr davon!!!
Eine Frage: Aus welcher Literatur beziehst du dich? Welche Literatur kannst du zu Multivariaten Verfahren empfehlen?
Moderation und Mediation primär das Buch von Hayes:
Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach (Second dition)
Allgemein für multivariate Verfahren wüsste ich nichts aus eigener Erfahrung, das habe ich eher aus vielen Einzelquellen und nicht aus einem konkreten Buch gelernt.
Tolles Video! Danke! Eine Frage: kann man auch von einer Moderation sprechen, wenn in einem ersten Model der Einfluss der UV auf die AV nicht signifikant ist (ohne den Mod)? Aber dann eben in einem Model mit UV, Mod und UV*Mod zur Erklärung von AV die Interaktion signifikant ist? Danke und vG
Es kann eine Moderation vorliegen, auch wenn es keinen signifikanten Effekt von UV auf AV (ohne Betrachtung des Moderators) gibt.
Einfaches Beispiel: Beim dichotomen Moderator Geschlecht gibt es z.B. für Männer einen sign. negativen Effekt von UV auf AV, bei Frauen einen sign. positiven. Dann kann der unmoderierte Effekt von UV auf AV durchaus nicht signifikant und sogar fast Null sein (weil die positiven Effekte der Frauen und negativen der Männer sich gegenseitig kompensieren), und trotzdem liegt eine Moderation vor.
Hallo Herr Regorz. Vielen Dank für das anschauliche Video! Haben Sie auch eine Beschreibung oder ein Video zur Herstellung einer Graphik mit den Simple Slopes ohne Process? Ich habe eine multiple Imputation vorgenommen und würde die signifikanten Moderatoren gerne noch graphisch darstellen - weiß aber nicht, wie genau das am besten geht. Können Sie mir da weiterhelfen? Viele Grüße!
Leider nein, ich habe meine Moderationen bisher immer mit PROCESS erstellt.
Schade. Ich konnte bisher leider wenige Erklärungen dazu finden, und die, die ich gefunden habe, habe ich nicht verstanden :D Mein Betreuer ist leider kein Fan von Process und möchte es daher lieber "zu Fuß". Aber vielen Dank für Ihre rasche Antwort!
@@joanaseeger643 Ich würde es vermutlich so machen:
1. Die Punkte für die Simple Slopes mit Hilfe der Regressionsgleichung ausrechnen (also für UV und Mod alle Kombis aus - 1SD, M, + 1 SD einsetzen.)
2. Dann mit irgendwelchen Daten das PROCESS model 1 rechnen und mir den Syntaxcode für die Simple Slopes kopieren.
3. Jetzt die unter 1. selbst berechneten Werte in den Syntaxcode aus PROCESS eingeben, also die PROCESS Werte durch eigene ersetzen.
@@RegorzStatistik Ich dachte, dass Process gar nicht in die Syntax eingefügt werden kann?
@@joanaseeger643 Das meinte ich nicht. Ich würde PROCESS mit irgendwelchen Daten aus dem Menü aufrufen. Wenn man das anfordert, erhält man als Teil des Output einen SPSS Syntax Code für Simple Slopes, den man dann wie oben beschrieben auf die eigenen Werte abändern könnte.
vielen Dank für das hilfreiche Video!:) Ich hätte noch eine etwas spezifischere Frage bezüglich der Berechnung der Simple-Slopes in R, gibt es hier eine Möglichkeit auch standardisierte Simple Slopes zu berechnen? Leider konnte ich hierzu nirgends Informationen finden und wäre sehr dankbar über einen Tipp.
Leider habe ich dazu keine Infos.
Ist die Effekstärke das unstandardisierte b? Falls ja, wie wird es interpretiert? Gibt es da auch Abstufungen, ab wann der Effekt klein mittel oder groß ist? Mit freundlichen Grüßen Maria Bergmann
Als Effektstärke würde ich bei einer Moderation normalerweise das delta-R² berichten, also die zusätzlich aufgeklärte Varianz, wenn man bei einer hierarchisch moderierten Regression im letzten Schritt zusätzlich die Interaktion in das Regressionsmodell mit aufnimmt (nachdem man in einem vorherigen Schritt UV und Moderator bereits aufgenommen hatte). Wenn man mit PROCESS arbeitet, findet man diesen Wert bei "Test of highest order unconditional interaction": R2-chng.
@@RegorzStatistik Vielen lieben Dank für deine schnelle Antwort. Bei meinen Variablen handelt es sich um Likert Skalen (7stufig) Welche Werte müssen denn noch dringend berücksichtigt werden bei einer Moderation? LG
@@RegorzStatistik Gibt es denn bei dem Interpretation von d nach Cohen nehmen für die Effektstärke?
Delta-R² ist eine völlig andere Effektstärke als Cohen's d. Ich glaube im Döring&Bortz gibt es dazu Angaben, welche Werte als kleine, mittlere oder große Effekte zu interpretieren sind (habe das Buch aber nicht zur Hand).
Ich würde mich da an Journalartikeln aus deinem Fachgebiet orientieren, was die typischerweise bei einer signifikanten Moderationshypothese berichten. Ich würde vermutlich das Regressionsmodell als Tabelle berichten (inkl. des delta-R²) sowie bei einer signifikanten Interaktion die drei Simple Slopes im Text sowie eine Grafik der Simple Slopes.
Hallo, wie wäre denn der Moderator als einzelne Variable im Modell zu interpretieren? Also meine Regression besteht beispielweise aus dem Haupteffekt mit einer kategorialen UV und einer AV und dem Moderator. Der Haupteffekt mit der kategorialen UV auf die AV ist nicht signifikant, genauso wenig der Interaktionseffekt. Wie interpretiere ich hier also den Moderationsterm allein? Dieser würde sich ja dann einfach nur allgemein auf die gesamte Stichprobe beziehen und nicht nur auf die Kategorie der Haupt-UV oder?
Wenn der Interaktionseffekt *nicht* signifikant ist (und man also keine Moderation hat), dann würde ich den Effekt des vermuteten Moderators so interpretieren wie in einer üblichen multiplen Regression: Wie ändert sich die AV, wenn der vermutete Moderator sich um einen Einheit erhöht?
Thank you for your tutorial! Could you please help me with one question? I have a multi-categorical IV with 4 categories, a moderator with 3 (low, average, high) categories and continuous DV. Can I still use Process macro model 1 if I indicate that X and W are multicategorical? Thank you in advance for your help. I am sorry my German is bad but as I see it is very nice tutorial!
I think it is possible, but I would not do it. For a multicategorical IV and a multicategorical moderator I think it is more common to run a factorial ANOVA (outside of PROCESS).
Erstmal danke für das hilfreiche Video!
Wie ist es zu bewerten, wenn ich eine hierarchische Regression in 3 Schritten durchführe. Zunächst wird lediglich die UV eingeschlossen, im zweiten Schritt noch der Moderator und im dritten Schritt noch der Interaktionsterm. Das Delta R2 vom zweiten Schritt ist dabei signifikant, vom dritten Schritt jedoch nicht. Auch der Interaktionsterm ist nicht signifikant.
Ich würde es so deuten, dass der vermutete Moderator zusätzliche Varianz der AV erklärt (signifikanter zweiter Schritt). Jedoch (nicht signifikanter dritter Schritt bzw. nicht signifikanter Interaktionsterm) wirkt er eben nicht als Moderator, sondern nur als zweiter Prädiktor für die AV. Man hat also zwei Prädiktoren, UV und "Moderator" (der hier empirisch eben kein Moderator ist).
@@RegorzStatistik Vielen Dank für die schnelle und hilfreiche Antwort!
Vielen Dank für das Video :) Wie geht man denn mit kategorialen Moderatoren um? Ich habe in meinen Daten bspw. drei Ausprägungen für Geschlecht (m/w/d) und bin unsicher, ob ich dann einfach den Interaktionseffekt wie bei einer dichotomen Geschlechtsvariable berechnen kann.
Bei einem kategorialen Moderator mit mehr als zwei Ausprägungen ändert sich die Analyse. Dann muss man den Moderator in Dummyvariablen transformieren (eine Dummyvariable weniger als Ausprägungen des Moderators) und es gibt dann mehrere Interaktionsvariablen (MOD-Dummy 1 x UV, MOD-Dummy 2 x UV). Im PROCESS Makro kann man das über eine Zusatzoption anfordern.
@@RegorzStatistik Vielen Dank für die schnelle Antwort :) Das hat geholfen.
Besteht auch die Möglichkeit zwei Moderatoren mittels PROCESS in das Modell aufzunehmen? :)@@RegorzStatistik
@@maikeresing1933Bei zwei Moderatoren kommen die PROCESS Modelle 2 und 3 in Frage.
Lieben Dank für deine super Statistik-Videos!
Ist es richtig, dass ich bei einer Moderation ohne signifikante Interaktion, in der Tabelle die Zeile darüber mit b, t und p, wenn diese signifikant ist, als gültigen Prädiktor-Kriterium Zusammenhang aufrechterhalten kann?
Wenn bei einer moderierten Regression die Interaktion nicht signifikant wird, dann kann man die Effekte für die anderen beiden Prädiktoren im Modell (UV, Moderator) ganz normal interpretieren, ja. (Falls das mit der Frage gemeint sein sollte).
@@RegorzStatistik Genau das meinte ich :) danke für deine Pünktlichkeit im Ausdruck!
Vielen Dank für das informative und anschaulich erklärte Video!
Meine Frage: wenn ich die benötigte Stichprobengröße für die moderierte Regression mit g*power berechnen möchte, wie setze ich das um?
Kann ich als Anzahl der Prediktoren einfach 3 eingeben (also UV, Moderator und Interaktionsterm?)
Vielen Dank im Voraus
Liebe Grüße:)
Wenn es keine weiteren Kovariaten im Modell gibt, dann sind es genau die drei genannten Prädiktoren, ja.
@@RegorzStatistik vielen lieben Dank für die schnelle Antwort 👍